專利名稱：一種多源異類海量交通數(shù)據(jù)融合的并行實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能交通技術(shù)領(lǐng)域，尤其涉及一種多源異類海量交通數(shù)據(jù)融合的并行實(shí)現(xiàn)方法，具體涉及一種將地感線圈(SCATS)和車載導(dǎo)航(GPS)采集到的交通數(shù)據(jù)進(jìn)行并行轉(zhuǎn)化和融合的方法。
背景技術(shù)：
交通系統(tǒng)是國家和社會發(fā)展的必要基礎(chǔ)。但是現(xiàn)有的交通基礎(chǔ)設(shè)施不能滿足日益增長的車輛數(shù)量，這會給國家經(jīng)濟(jì)、人民健康、社會治安帶來嚴(yán)重隱患。人們迫切需要一種低能耗、占地少、成本低的交通擁堵解決方案。智能交通系統(tǒng)(ITS)應(yīng)運(yùn)而生。智能交通系 統(tǒng)是指將信息通信技術(shù)運(yùn)用于交通基礎(chǔ)設(shè)施和交通工具，緩解交通擁堵，提高交通效率和安全性，減少能耗和廢氣排放，增加經(jīng)濟(jì)效益。先進(jìn)的出行者信息系統(tǒng)(ATIS)是智能交通系統(tǒng)的重要組成部分，它收集加工處理交通信息，并將結(jié)果發(fā)送給出行者和交通管理者，幫助他們規(guī)劃路徑，做出更合理的管理決策。ATIS的首要目標(biāo)是提供實(shí)時(shí)準(zhǔn)確的大規(guī)模城區(qū)路段網(wǎng)絡(luò)中的交通狀況評估。城市路段網(wǎng)絡(luò)中存在大量的傳感器，如地感線圈(SCATS)、車載導(dǎo)航(GPS)、攝像機(jī)、手機(jī)等，可收集到海量交通數(shù)據(jù)。目前交通系統(tǒng)中主要的兩種傳感器，SCATS和GPS，都存在一定的缺陷。SCATS數(shù)據(jù)轉(zhuǎn)換成交通狀態(tài)特征(車輛速度)的準(zhǔn)確率低；GPS收集的數(shù)據(jù)沒有統(tǒng)計(jì)學(xué)意義，并且由于坐標(biāo)系的不同，與地圖匹配的過程中經(jīng)常出現(xiàn)錯(cuò)誤。當(dāng)各種交通傳感器采集的數(shù)據(jù)量增加時(shí)，數(shù)據(jù)處理的實(shí)時(shí)性受到極大的影響。因此，如何快速融合由不同類型的傳感器收集的海量交通數(shù)據(jù)，實(shí)現(xiàn)對交通狀態(tài)的實(shí)時(shí)準(zhǔn)確的評估，成為智能交通領(lǐng)域亟待解決的問題。經(jīng)文獻(xiàn)檢索發(fā)現(xiàn)，Cheu等人于2001年在智能交通系統(tǒng)大會上發(fā)表論文《Anarterial speed estimation model fusing data from stationary and mobile sensors))(《一種融合固定式和移動式傳感器數(shù)據(jù)的動態(tài)速度估計(jì)模型》)，提出了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的融合模型，并進(jìn)行了仿真試驗(yàn)。但是神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)真值進(jìn)行訓(xùn)練，在實(shí)際應(yīng)用中難以實(shí)現(xiàn)。Choi等人于2002年在《Intelligent Transportation System》(《智能交通系統(tǒng)〉〉)上發(fā)表論文〈〈A data fusion algorithm for estimating link travel time))(((一種評估路段行程時(shí)間的融合算法》)采用模糊推理算法來融合路段行程時(shí)間數(shù)據(jù)，但是該算法具有很強(qiáng)的針對性，可移植性差。也有人提出了自動事件檢測算法和先進(jìn)的駕駛輔助系統(tǒng)，但是這些技術(shù)都不能實(shí)時(shí)處理海量交通數(shù)據(jù)。

發(fā)明內(nèi)容
本發(fā)明要克服現(xiàn)有技術(shù)中的不足，提供一種多源異類海量交通數(shù)據(jù)融合的并行實(shí)現(xiàn)方法，能高效處理地感線圈(SCATS)和車載導(dǎo)航(GPS)收集到的交通數(shù)據(jù)，得到實(shí)時(shí)準(zhǔn)確的交通信息，為出行者和交通管理者提供便利。為實(shí)現(xiàn)上述目的，本發(fā)明首先收集SCATS和GPS采集到的交通數(shù)據(jù)，并將交通區(qū)域劃分成子區(qū)域，分別采用算法級并行和數(shù)據(jù)級并行將SCATS和GPS采集的數(shù)據(jù)轉(zhuǎn)換為路段平均速度，最后通過數(shù)據(jù)級并行計(jì)算將兩種平均速度進(jìn)行證據(jù)融合，輸出評估之后的交通狀態(tài)。本發(fā)明的方法通過以下具體步驟實(shí)現(xiàn)(I)收集SCATS和GPS采集到的數(shù)據(jù)SCATS采集到包含數(shù)據(jù)采集時(shí)間、周期、線圈編號、線圈飽和度、時(shí)間占用率的交通數(shù)據(jù)。GPS采集到包含采集時(shí)間、車輛編號、車輛速度、車輛位置坐標(biāo)、車輛行駛方向的交通數(shù)據(jù)。(2)區(qū)域劃分將交通區(qū)域劃分成子區(qū)域，將GPS采集到的數(shù)據(jù)擬合到對應(yīng)的子區(qū)域的路段上。具體步驟如下①設(shè)定一個(gè)閾值，閾值=GPS點(diǎn)的數(shù)量X路段數(shù)量+集群中的從節(jié)點(diǎn)數(shù)；
②根據(jù)交通區(qū)域中的計(jì)算量(GPS點(diǎn)的數(shù)量X路段數(shù)量)，利用二維四叉樹法在平面地圖上將交通區(qū)域劃分成子區(qū)域，如果子區(qū)域中的計(jì)算量大于閾值，則繼續(xù)劃分，直到子區(qū)域計(jì)算量小于閾值；③設(shè)定一個(gè)大于交通區(qū)域中95%的路段長度的臨界值A(chǔ) ；④將子區(qū)域的長和寬分別擴(kuò)展A形成擴(kuò)展之后的區(qū)域；⑤根據(jù)計(jì)算量最大-最小配對規(guī)則，將子區(qū)域進(jìn)行搭配，為每個(gè)子區(qū)域分配一個(gè)對應(yīng)的集群從節(jié)點(diǎn)，保證各個(gè)從節(jié)點(diǎn)的計(jì)算量均衡；(3) SCATS數(shù)據(jù)并行粗糙轉(zhuǎn)換基于消息傳遞接口(MPI)編碼程序，并行計(jì)算各個(gè)屬性重要度，然后根據(jù)粗糙集理論提取交通狀態(tài)評估規(guī)則。具體步驟如下①初始化MPI環(huán)境；②通過MPI將整個(gè)交通區(qū)域交通特征數(shù)據(jù)集發(fā)送給各個(gè)從節(jié)點(diǎn)；③每個(gè)從節(jié)點(diǎn)判斷對應(yīng)子區(qū)域的數(shù)據(jù)集是否與整個(gè)交通區(qū)域的其他數(shù)據(jù)集沖關(guān);④將非沖突數(shù)據(jù)集歸到從節(jié)點(diǎn),計(jì)算非沖突記錄的條數(shù)；⑤各個(gè)從節(jié)點(diǎn)將非沖突記錄的條數(shù)發(fā)送到主節(jié)點(diǎn)，形成變量在主節(jié)點(diǎn)上計(jì)算得出各屬性重要度，并行邏輯；⑥主節(jié)點(diǎn)利用粗糙集算法根據(jù)整個(gè)交通區(qū)域歷史交通數(shù)據(jù)提取評估規(guī)則；⑦將評估規(guī)則和整個(gè)交通區(qū)域的實(shí)時(shí)數(shù)據(jù)發(fā)送至各個(gè)從節(jié)點(diǎn)；⑧集群中的各從節(jié)點(diǎn)根據(jù)⑥中的規(guī)則評估對應(yīng)子區(qū)域的實(shí)時(shí)交通數(shù)據(jù)，得出路段平均速度；(4) GPS數(shù)據(jù)并行轉(zhuǎn)換將GPS點(diǎn)擬合到路段上，根據(jù)GPS數(shù)據(jù)計(jì)算出各條路段的平均速度。具體步驟如下①將各個(gè)子區(qū)域的GPS數(shù)據(jù)發(fā)送到集群中對應(yīng)的從節(jié)點(diǎn)；②在從節(jié)點(diǎn)上將GPS點(diǎn)的坐標(biāo)進(jìn)行轉(zhuǎn)換；③將GPS點(diǎn)的坐標(biāo)與地圖中的路段進(jìn)行匹配；④各從節(jié)點(diǎn)采用最小距離法，將GPS點(diǎn)擬合到對應(yīng)子區(qū)域擴(kuò)展之后的區(qū)域內(nèi)離該點(diǎn)距離最近的一條路段上；⑤根據(jù)GPS數(shù)據(jù)分別計(jì)算各條路段的平均速度。
(5)證據(jù)并行融合將各個(gè)子區(qū)域SCATS數(shù)據(jù)經(jīng)過并行粗糙轉(zhuǎn)換之后得到的路段平均速度和GPS數(shù)據(jù)經(jīng)過并行轉(zhuǎn)換后得到的路段平均速度進(jìn)行并行融合，得出整個(gè)交通區(qū)域的路段平均速度。具體步驟如下①各個(gè)從節(jié)點(diǎn)同時(shí)將對應(yīng)子區(qū)域來源于同一條路段上的由SCATS和GPS數(shù)據(jù)轉(zhuǎn)換得到的車輛平均速度利用D-S證據(jù)理論進(jìn)行融合；②將融合的結(jié)果作為整個(gè)交通區(qū)域每條路上的車輛平均速度輸出，同時(shí)將結(jié)果添加到整個(gè)交通區(qū)域的交通狀態(tài)特征數(shù)據(jù)庫中，更新里面的數(shù)據(jù)?；诟轮蟮臄?shù)據(jù)提取新的評估規(guī)則，循環(huán)評估子區(qū)域SCATS收集的實(shí)時(shí)數(shù)據(jù)。本發(fā)明針對快速準(zhǔn)確地融合由不同類型的傳感器收集的海量交通數(shù)據(jù)的需要，利用并行計(jì)算技術(shù)，實(shí)時(shí)處理海量交通信息，具有處理簡單、運(yùn)行時(shí)間短、精確度高、適用性強(qiáng)等優(yōu)點(diǎn)。特別是不需要對數(shù)據(jù)進(jìn)行刪減，完整地處理所有數(shù)據(jù)，克服了以往技術(shù)方法都難以克服的難點(diǎn)，也消除了實(shí)現(xiàn)真正工程應(yīng)用的主要障礙。本發(fā)明基于D-S證據(jù)融合技術(shù)和并 行計(jì)算方法，實(shí)現(xiàn)了多源異類海量交通數(shù)據(jù)快速準(zhǔn)確地融合，最終為高效評估實(shí)時(shí)交通狀態(tài)提供了一種新的方法。本發(fā)明的優(yōu)點(diǎn)是可以快速準(zhǔn)確地轉(zhuǎn)換融合多源異類海量交通數(shù)據(jù)，不需要對數(shù)據(jù)進(jìn)行刪減，也不需要進(jìn)行模擬試驗(yàn)，而且適用性強(qiáng)，可以應(yīng)用于各種交通區(qū)域。由于克服了這些現(xiàn)有技術(shù)在實(shí)際工程應(yīng)用方面難以解決的困難，因此真正實(shí)現(xiàn)了實(shí)時(shí)準(zhǔn)確評估交通狀態(tài)。


圖I本發(fā)明方法流程圖。圖2算法級并行邏輯示意圖。
具體實(shí)施例方式以下結(jié)合附圖和實(shí)施例對本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)說明。以下實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。本實(shí)施例具體實(shí)施步驟如下(I)收集SCATS和GPS采集到的數(shù)據(jù)①以上海2077條路段作為數(shù)據(jù)采集區(qū)域，8:00-17:00作為數(shù)據(jù)采集時(shí)間段，SCATS和GPS每隔20秒采集到的數(shù)據(jù)作為源數(shù)據(jù)；②SCATS采集到包含數(shù)據(jù)采集時(shí)間、周期、線圈編號、線圈飽和度、時(shí)間占用率的交通數(shù)據(jù)。GPS采集到包含采集時(shí)間、車輛編號、車輛速度、車輛位置坐標(biāo)、車輛行駛方向的交通數(shù)據(jù)；③每IOmin的數(shù)據(jù)作為一個(gè)處理批次。(2)區(qū)域劃分將交通區(qū)域劃分成子區(qū)域，將GPS采集到的數(shù)據(jù)擬合到對應(yīng)的子區(qū)域的路段上。具體步驟如下①設(shè)定一個(gè)閾值，閾值=1613849 X 2077 + 32。1613849是采樣區(qū)域8:00-17:00這一時(shí)間段的歷史GPS點(diǎn)數(shù)量。本實(shí)施例中采用曙光TC4000L，此集群中含有32個(gè)從節(jié)點(diǎn)。
②根據(jù)交通區(qū)域中的計(jì)算量(GPS點(diǎn)數(shù)量X路段數(shù)量)，利用二維四叉樹法在平面地圖上將交通區(qū)域劃分成64個(gè)子區(qū)域；③設(shè)定一個(gè)大于交通區(qū)域中95%的路段長度的臨界值A(chǔ)=104，104為GIS單位；④將子區(qū)域的長和寬分別擴(kuò)展A形成擴(kuò)展之后的區(qū)域。(3) SCATS數(shù)據(jù)并行粗糙轉(zhuǎn)換
基于消息傳遞接口(MPI)編碼程序，并行計(jì)算各個(gè)屬性重要度，然后根據(jù)粗糙集理論提取交通狀態(tài)評估規(guī)則。具體步驟如下 ①初始化MPI環(huán)境；②通過MPI將整個(gè)交通區(qū)域的歷史交通特征數(shù)據(jù)集發(fā)送給各個(gè)從節(jié)點(diǎn)；③每個(gè)從節(jié)點(diǎn)判斷對應(yīng)子區(qū)域的數(shù)據(jù)集是否與整個(gè)交通區(qū)域的其他數(shù)據(jù)集沖關(guān);④將非沖突數(shù)據(jù)集歸到從節(jié)點(diǎn),計(jì)算非沖突記錄的條數(shù)；⑤各個(gè)從節(jié)點(diǎn)將非沖突記錄的條數(shù)發(fā)送到主節(jié)點(diǎn)，形成變量在主節(jié)點(diǎn)上計(jì)算得出各屬性重要度，并行邏輯如圖2所示；⑥主節(jié)點(diǎn)根據(jù)交通波理論，計(jì)算整個(gè)交通區(qū)域的歷史路段平均速度(算法如下)，并利用粗糙集算法根據(jù)整個(gè)交通區(qū)域歷史交通數(shù)據(jù)提取評估規(guī)則；ti=(L-i · lv)/u!+(i · lv+lc)/u2+tr\代表第i輛車通過一條路段的時(shí)間，L代表路段長度，Iv和I。分別代表車輛和線圈的平均長度，U1和U2分別代表車輛進(jìn)入線圈陣列前和離開陣列的平均速度。k代表等候紅燈的時(shí)間。
q 7 X=Lj-U^jIl
i=lV丨代表路段平均速度，q代表流量。⑦將評估規(guī)則和實(shí)時(shí)數(shù)據(jù)發(fā)送至各個(gè)從節(jié)點(diǎn)；⑧集群中的各從節(jié)點(diǎn)根據(jù)⑥中的規(guī)則評估對應(yīng)子區(qū)域的實(shí)時(shí)交通數(shù)據(jù)，得出車輛平均速度；(4) GPS數(shù)據(jù)并行轉(zhuǎn)換將GPS點(diǎn)擬合到路段上，根據(jù)GPS數(shù)據(jù)計(jì)算出各條路段上車輛的平均速度。具體步驟如下①將各個(gè)子區(qū)域的GPS數(shù)據(jù)發(fā)送到集群中對應(yīng)的從節(jié)點(diǎn)；②在從節(jié)點(diǎn)上將GPS點(diǎn)的經(jīng)緯度坐標(biāo)轉(zhuǎn)換成城建坐標(biāo)；③將GPS點(diǎn)的坐標(biāo)與地圖進(jìn)行匹配；④各從節(jié)點(diǎn)采用最小距離法，將GPS點(diǎn)擬合到對應(yīng)子區(qū)域擴(kuò)展區(qū)域離該點(diǎn)距離最近的一條路段上；⑤根據(jù)GPS數(shù)據(jù)分別計(jì)算各路段的平均速度
V2=^vi-
/=1公式中F2代表某路段的平均速度，η代表計(jì)算的時(shí)間段內(nèi)該路段上的GPS點(diǎn)的數(shù)量。(5)證據(jù)并行融合將各個(gè)子區(qū)域SCATS數(shù)據(jù)經(jīng)過粗糙轉(zhuǎn)換之后的車輛平均速度FjP GPS數(shù)據(jù)轉(zhuǎn)換后得到的路段平均速度F2進(jìn)行融合，得出整個(gè)交通區(qū)域的各路段平均速度。具體步驟如下①從節(jié)點(diǎn)將來源于對應(yīng)子區(qū)域同一條路段上的由GPS和SCATS數(shù)據(jù)轉(zhuǎn)換得到的路段平均速度進(jìn)行融合，算法如下
權(quán)利要求
1.一種多源異類海量交通數(shù)據(jù)融合的并行實(shí)現(xiàn)方法，其特征在于包括以下步驟 (1)收集SCATS和GPS采集到的數(shù)據(jù) SCATS采集到包含數(shù)據(jù)采集時(shí)間、周期、線圈編號、線圈飽和度、時(shí)間占用率的交通數(shù)據(jù)。GPS采集到包含采集時(shí)間、車輛編號、車輛速度、車輛位置坐標(biāo)、車輛行駛方向的交通數(shù)據(jù)； (2)區(qū)域劃分將交通區(qū)域劃分成子區(qū)域，將GPS采集到的數(shù)據(jù)擬合到對應(yīng)的子區(qū)域的路段上，具體步驟如下 ①設(shè)定一個(gè)閾值，閾值=GPS點(diǎn)的數(shù)量X路段數(shù)量+集群中的從節(jié)點(diǎn)數(shù)； ②根據(jù)交通區(qū)域中的計(jì)算量(GPS點(diǎn)的數(shù)量X路段數(shù)量)，利用二維四叉樹法在平面地圖上將交通區(qū)域劃分成子區(qū)域，如果子區(qū)域中的計(jì)算量大于閾值，則繼續(xù)劃分，直到子區(qū)域計(jì)算量小于閾值； ③設(shè)定一個(gè)大于交通區(qū)域中95%的路段長度的臨界值A(chǔ); ④將子區(qū)域的長和寬分別擴(kuò)展A形成擴(kuò)展之后的區(qū)域； ⑤根據(jù)計(jì)算量最大-最小配對規(guī)則，將子區(qū)域進(jìn)行搭配，為每個(gè)子區(qū)域分配一個(gè)對應(yīng)的集群從節(jié)點(diǎn)，保證各個(gè)從節(jié)點(diǎn)的計(jì)算量均衡； (3)SCATS數(shù)據(jù)并行粗糙轉(zhuǎn)換 基于消息傳遞接口(MPI)編碼程序，并行計(jì)算各個(gè)屬性重要度，然后根據(jù)粗糙集理論提取交通狀態(tài)評估規(guī)則。具體步驟如下 ①初始化MPI環(huán)境； ②通過MPI將整個(gè)交通區(qū)域交通特征數(shù)據(jù)集發(fā)送給各個(gè)從節(jié)點(diǎn)； ③每個(gè)從節(jié)點(diǎn)判斷對應(yīng)子區(qū)域的數(shù)據(jù)集是否與整個(gè)交通區(qū)域的其他數(shù)據(jù)集沖突； ④將非沖突數(shù)據(jù)集歸到從節(jié)點(diǎn)，計(jì)算非沖突記錄的條數(shù)； ⑤各個(gè)從節(jié)點(diǎn)將非沖突記錄的條數(shù)發(fā)送到主節(jié)點(diǎn)，形成變量在主節(jié)點(diǎn)上計(jì)算得出各屬性重要度，并行邏輯； ⑥主節(jié)點(diǎn)利用粗糙集算法根據(jù)整個(gè)交通區(qū)域歷史交通數(shù)據(jù)提取評估規(guī)則； ⑦將評估規(guī)則和整個(gè)交通區(qū)域的實(shí)時(shí)數(shù)據(jù)發(fā)送至各個(gè)從節(jié)點(diǎn)； ⑧集群中的各從節(jié)點(diǎn)根據(jù)⑥中的規(guī)則評估對應(yīng)子區(qū)域的實(shí)時(shí)交通數(shù)據(jù)，得出路段平均速度； (4)GPS數(shù)據(jù)并行轉(zhuǎn)換JfGPS點(diǎn)擬合到路段上，根據(jù)GPS數(shù)據(jù)計(jì)算出各條路段的平均速度，具體步驟如下 ①將各個(gè)子區(qū)域的GPS數(shù)據(jù)發(fā)送到集群中對應(yīng)的從節(jié)點(diǎn)； ②在從節(jié)點(diǎn)上將GPS點(diǎn)的坐標(biāo)進(jìn)行轉(zhuǎn)換； ③將GPS點(diǎn)的坐標(biāo)與地圖中的路段進(jìn)行匹配； ④各從節(jié)點(diǎn)采用最小距離法，將GPS點(diǎn)擬合到對應(yīng)子區(qū)域擴(kuò)展之后的區(qū)域內(nèi)離該點(diǎn)距離最近的一條路段上； ⑤根據(jù)GPS數(shù)據(jù)分別計(jì)算各條路段的平均速度； (5)證據(jù)并行融合將各個(gè)子區(qū)域SCATS數(shù)據(jù)經(jīng)過并行粗糙轉(zhuǎn)換之后得到的路段平均速度和GPS數(shù)據(jù)經(jīng)過并行轉(zhuǎn)換后得到的路段平均速度進(jìn)行并行融合，得出整個(gè)交通區(qū)域的路段平均速度，具體步驟如下①各個(gè)從節(jié)點(diǎn)同時(shí)將對應(yīng)子區(qū)域來源于同一條路段上的由SCATS和GPS數(shù)據(jù)轉(zhuǎn)換得到的車 輛平均速度利用D-S證據(jù)理論進(jìn)行融合； ②將融合的結(jié)果作為整個(gè)交通區(qū)域每條路上的車輛平均速度輸出，同時(shí)將結(jié)果添加到整個(gè)交通區(qū)域的交通狀態(tài)特征數(shù)據(jù)庫中，更新里面的數(shù)據(jù)。基于更新之后的數(shù)據(jù)提取新的評估規(guī)則，循環(huán)評估子區(qū)域SCATS收集的實(shí)時(shí)數(shù)據(jù)。
全文摘要
本發(fā)明涉及一種多源異類海量交通數(shù)據(jù)融合的并行實(shí)現(xiàn)方法，基于D-S證據(jù)融合理論，對交通系統(tǒng)中地感線圈(SCATS)和車載導(dǎo)航(GPS)采集到的交通數(shù)據(jù)進(jìn)行并行融合，包括(1)收集SCATS和GPS采集到的數(shù)據(jù)；(2)利用二維四叉樹法將交通區(qū)域劃分成子區(qū)域；(3)將SCATS數(shù)據(jù)利用算法級并行，粗糙轉(zhuǎn)換成車輛平均速度；(4)將GPS數(shù)據(jù)利用數(shù)據(jù)級并行，轉(zhuǎn)換成車輛平均速度；(5)把來源于SCATS和GPS的車輛平均速度進(jìn)行證據(jù)并行融合，評估交通狀態(tài)。本發(fā)明具有運(yùn)行時(shí)間短、準(zhǔn)確性高、覆蓋區(qū)域大等優(yōu)點(diǎn)，可以高效評估實(shí)時(shí)交通狀態(tài)，為出行者和交通管理者提供更準(zhǔn)確的交通信息。
文檔編號G08G1/042GK102779410SQ20121025073
公開日2012年11月14日 申請日期2012年7月19日 優(yōu)先權(quán)日2012年7月19日
發(fā)明者葉周敏, 夏瑩杰 申請人:杭州師范大學(xué)